Kom af med dine dårlige vaner | micro:bit og maskinlæring

Som opstart på forløbet får eleverne udleveret en micro:bit, der allerede er trænet til at genkende en bestemt bevægelse. Opgaven er nu at gætte, hvilken bevægelse micro:bit’en reagerer på.

Under Ressourcer finder du et link til tre micro:bit-filer, som er trænet til at genkende følgende bevægelser:

• Drible

• Svinge

• Kaste

Sørg for, at eleverne har adgang til bolde, hulahopringe og fx stofstykker, de kan kaste med, så de kan afprøve forskellige bevægelser.

Når eleverne har gættet, hvilken bevægelse deres micro:bit reagerer på, kan de eventuelt bytte med en anden gruppe og prøve igen med en ny bevægelse.

Nu skal eleverne i gang med at brainstorme og finde frem til en række dårlige vaner.

Hver elev får udleveret et ark med et mindmap og udfylder det først individuelt. Herefter sætter de en ring om to vaner, de kunne tænke sig at arbejde videre med.

Eleverne drøfter derefter deres valgte vaner med deres makker og beslutter i fællesskab, hvilken vane de vil fokusere på i resten af forløbet.

Når eleverne har fundet frem til, hvilke dårlig vane de vil arbejde med, skal de til at træne en micro:bit til at genkende præcis den bevægelse, der laves i forbindelse med den dårlige vane.

Til det skal de bruge en micro:bit 2.0, USB-kabel, en computer med bluetooth og Chrome- eller Edgebrowser installeret.

micro:bit’en trænes via hjemmesiden Micro:bit create AI.

Se eventuelt videoen først. Vær opmærksom på, at den er på engelsk

Tryk get startet, herefter New session.

Tjek om Bluetooth på computeren er aktiveret, hvis ikke, så aktiver den.

Nu skal micro:bit’en kobles til computeren. Der skal lægges et særligt Machine learning-program over på den, og så skal den kobles op på Bluetooth derefter. Tryk på Connect i bunden for at blive guidet igennem processen.

Når micro:bit’en er forbundet via bluetooth, kan I begynde at træne den.

Tryk på Add action for at tilføje flere træningsklasser. Fx én der optager den specifikke bevægelse, og én der optager alle andre bevægelser, så den kan se forskel på bevægelserne.

Jo flere træningsdata I har, jo bedre bliver systemet. Et tip er at trykke på de tre prikker i siden, hvor der kan vælges at optages kontinuerligt, så skal der ikke skal trykkes Record hver gang.

Når I syntes, I har nok data, trykker I på Train model nede i højre hjørne.

Her kan I teste om jeres data er god nok, dvs. den lyser grøn, når den registrer bevægelsen.

I kan skrue på Recognition point, hvis I gerne vil gøre usikkerheden større eller mindre i forhold til, at den kan genkende bevægelsen.

Hvis jeres træningsdata ikke er god nok, kan I altid trykke på Edit data samples og lave flere optagelser.

Fortsæt sådan indtil I har en model, I er tilfredse med.

Når I er tilfredse med jeres datasæt, skal I have kodet det, så bevægelsen skaber et output fx en lyd.

For at kode micro:bit’en trykker I på Edit in Makecode

Her kommer I en ind i den klassiske micro:bit kode editor, dog med nogle nye blokke til machine learning

Med disse blokke kan I kode, hvad der skal ske, når den registrerer den specifikke bevægelse. Hvis jeg eksempelvis vil have min micro:bit til at sige en lyd, hver gang den registrerer, at jeg piller næse, vil koden se sådan ud.

Måske vil jeg også gerne have den til at tælle, hvor mange gange jeg har pillet næse. Den kode kunne se sådan her ud:

Med denne kode viser micro:bit’en hvor mange gange, der er pillet næse, når man trykker på knap a og ved tryk på knap a+b nulstilles tælleren.

Når I har lavet jeres kode færdig, er det tid til at lægge den over på en micro:bit og teste den af.

Det kan anbefales, at have en ekstra micro:bit til at lægge den trænede model over på. Da man så stadig kan have den første micro:bit koblet op på træningssystemet og træne videre med den, hvis man finde ud af, at der er behov for det.

Tryk på Download for at lægge den over på en micro:bit.

Her vil I blive spurgt, om det er den samme micro:bit I bruger, eller om I har en ekstra. Vælg den mulighed, I sidder med og følg derefter guiden for at downloade jeres kode ned på micro:bit’en.

Prøv koden af fx med nogle andre I klassen. Hvis den ikke reagerer helt, som I forventer, kan I altid gå tilbage til jeres trænings-micro:bit og sortere og/eller optage mere data, for at gøre den bedre.

Som afslutning på forløbet skal eleverne vælge en forretningsmodel til deres biotracker og derefter diskutere deres valg. De skal begrunde, hvorfor de mener, at den valgte model er den bedste, samt identificere fordele og ulemper ved den. Hver model ledsages af tre refleksionsspørgsmål, som eleverne kan bruge som udgangspunkt for deres diskussion. Afslut eventuelt med, at grupperne præsenterer deres valg og overvejelser for resten af klassen.

Oplæg til Forretningsmodeller

I har nu udviklet en biotracker, der kan hjælpe mennesker med at slippe af med dårlige vaner. Næste skridt er at få jeres nyudviklede produkt ud på markedet. For at gøre dette skal I vælge en forretningsmodel.

I har tre forretningsmodeller at vælge imellem:

1. Læs beskrivelserne af de tre modeller.

2. Vælg den model, som I mener passer bedst til jeres produkt.

3. Diskuter i gruppen de refleksionsspørgsmål, der hører til den valgte model.

4. Præsenter jeres valg for resten af klassen og argumentér for, hvorfor I mener, at det er den bedste løsning for jer.

Fysiske materialer

• Bolde
• Tyl, stof eller andet at kaste med
• Hulahopringe
• 1 til 2 micro:bit 2.0
• En computer med Chrome eller Edge browser installere
• Eventuelt et armbånd til at sætte micro:bit’en på fx denne. Det kan også løses med nogle elastikker – se billede.
• Print af idegenereringsark
• Print af forretningsmodeller

Links

• createai.microbit.org
• Slideshow til forløbet